여행과 숙박 / 숙박 중개
Airbnb: 음성 고객상담 분류와 안내
- 기업
- Airbnb
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
기존 IVR은 고정된 메뉴 트리였다. 전화를 건 사람이 버튼을 눌러 정해진 경로를 따라가야 했다. 범용 음성 인식 모델은 Airbnb에서 쓰는 말을 자주 틀렸다. listing을 lifting으로, help with my stay를 happy Christmas Day로 옮기는 오류가 났다.
적용한 기술과 데이터
IVR이 전화를 받으면 몇 문장으로 전화한 이유를 말해 달라고 묻는다. 답변은 Airbnb 전용 ASR로 글로 옮긴다. 범용 사전학습 모델 대신 잡음이 섞인 전화 음성에 맞춘 모델로 바꿨고, Airbnb 용어를 인식하도록 도메인 문구 목록을 최적화했다. Contact Reason Detection 모델이 취소와 환불, 계정 문제 같은 범주로 분류한다. 도움말 문서는 embedding으로 벡터 데이터베이스에 색인해 코사인 유사도로 최대 30건을 뽑고 LLM 재순위 모델이 다시 정렬한다. 최상위 문서 링크를 SMS와 앱 알림으로 보낸다. 링크를 보내기 전에 Paraphrasing 모델이 의도를 한 줄로 요약해 들려준다. 상담원을 찾는 말이 나오면 별도 의도 탐지 모델이 이를 잡아 사람에게 연결한다.
성과
수백 개 음성 표본 기준으로 단어 오류율이 33%에서 약 10%로 떨어졌다. 의도 탐지 지연은 평균 50ms 아래로 유지되고 문서 검색은 보통 60ms 안에 끝난다. 요약 문구 매칭은 사람이 직접 평가해 정밀도 90%를 넘었다. Airbnb는 오류율이 내려가면서 도움말 추천 정확도가 올라갔고 ASR 메뉴를 쓴 고객의 NPS가 개선됐으며 상담원 의존과 처리 시간이 줄었다고 밝혔다.
한계와 남은 과제
전체 고객상담의 해결률이나 비용 절감률은 원문에 수치로 없다. 자체 해결률 개선은 영어권 host 대상 실험에서 방향만 확인했다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.